基于增强关联规则挖掘的大型网站推荐系统

针对大型网络中基于内容的推荐系统延迟较高、推荐满意度较低的问题,提出一种基于增强关联规则挖掘算法的高性能推荐系统。首先,通过消除会话中出现频率较低的内容将数据库最小化处理;然后,为每个会话引入相关的计数器,使用该计数器统计相应会话的重复次数,代替传统推荐系统对重复会话的直接聚类,该改进策略不仅提高了推荐的时间效率,而且增强了推荐引擎的扩展能力。基于真实数据的实验结果表明,本推荐系统具有较高的实时性与较高的推荐准确率。